big data

Far evolvere i servizi sanitari col process mining, ecco come

Nella sanità sempre più utilizzate le tecniche di process mining, innovativa disciplina che consente di modellare i processi aziendali e valutarne le performance, oltre che permettere un utilizzo accurato e proficuo delle grandi moli di dati che si stanno accumulando nelle strutture sanitarie per nuovi servizi

Pubblicato il 06 Nov 2017

AI Questions Icon
Chiedi all'AI
Riassumi questo articolo
Approfondisci con altre fonti
Far evolvere i servizi sanitari col process mining, ecco come

Se da un lato potremmo dire che le sfide della sanità italiana sono sempre le stesse – fare efficienza senza compromettere la qualità dei servizi sanitari, rispondere in modo appropriato ai crescenti bisogni di cura e migliorare i percorsi di presa in carico dei pazienti – i mezzi per affrontarle cambiano e spaziano dall’innovazione digitale a quella organizzativa. È il caso del process mining: un’innovativa disciplina organizzativa, sviluppata negli ultimi dieci anni all’interno delle metodologie di Business Process Management, che facendo leva sulla conoscenza generata dai sistemi informativi aziendali consente di modellare i processi aziendali e valutarne le performance.

Il process mining si sta diffondendo e ottenendo particolare consenso principalmente grazie a due fattori:

  • l’esigenza diffusa di superare i limiti del Business Process Reengineering (BPR): cambiamenti a gradino una tantum, ingente impegno di risorse, frequente scollamento dai process owner e conseguenti ricicli, progettualità molto lente ed onerose, incapacità di sviluppare la cultura della gestione dei processi;
  • la progressiva penetrazione dei sistemi informativi in tutti i settori dell’economia e in tutti i processi produttivi e di supporto, che rende disponibili grandi volumi di dati nei quali si celano importanti informazioni sul funzionamento effettivo delle organizzazioni stesse.

Nel contesto della Sanità, le tecniche di process mining assumono particolare rilevanza dal momento che è un ambito ricco di dati, ma spesso poco utilizzati e dai quali si trae poca “intelligenza”. Tale conoscenza potrebbe diventare essenziale per radicare nell’organizzazione la gestione per processi, accompagnando la struttura sanitaria verso la reale e profonda conoscenza dei propri meccanismi di funzionamento, attraverso tecniche estremamente pragmatiche, a basso impatto economico, in tempi rapidi di analisi e garantendo l’oggettività del risultato.

L’erogazione dei servizi sanitari e la garanzia della loro qualità è indissolubilmente legata ai processi sottostanti e alla loro efficiente esecuzione. In questo senso, guardare ai processi è la chiave di volta per un’attenta analisi finalizzata allo snellimento dei processi clinico-sanitari e di supporto al miglioramento della compliance, alle linee guida interne ed esterne, alla scoperta e miglioramento dei percorsi di cura seguiti dai pazienti e, infine, all’aumento della qualità delle cure offerte e alla riduzione dei costi associati alle cure.

Le tecniche di process mining, a partire dai dati di log di applicazioni aziendali diverse ed eterogenee, promettono di scovare e comprendere la conoscenza dei processi, effettuarne la modellazione, valutarne le performance e disegnare, grazie a specifiche piattaforme digitali di business analytics, un quadro preciso dei flussi di execution da analizzare. In generale, gli obiettivi che le aziende si prefiggono di raggiungere dall’implementazione del process mining sono:

  • comprendere criticamente e oggettivamente i punti di forza e le aree di debolezza nei processi interni e di interfaccia delle organizzazioni, anche quelle più complesse;
  • costruire le capacità per far evolvere il proprio modello operativo in modo più “agile”, evitando lunghe iniziative di Business Process Reengineering (BPR);
  • mettere a punto sistemi di performance management legati al funzionamento reale dei processi;
  • affrontare fenomeni quali la scarsità di risorse, l’evoluzione delle norme, la diffusione delle tecnologie digitali (come per es. quelle mobile o quelle social) e la crescente competizione a livello globale.

La pervasività dei servizi sanitari e l’impatto che essi hanno sulla spesa pubblica fanno sì che il comparto sanitario costituisca un ambito privilegiato per l’applicazione del Process Mining, al fine di investigare sia i processi clinico-sanitari che quelli gestionali e di supporto all’interno delle strutture sanitarie. Le prospettive di analisi prendono in considerazione principalmente quattro aspetti:

  • il flusso di processo, inteso come sequenza delle attività per erogare un dato servizio sanitario;
  • le performance, in termini di tempi di esecuzione del processo, eventuali colli di bottiglia, ecc;
  • le conformità e le deviazioni dagli standard di processo;
  • l’organizzazione, intesa come grado di collaborazione tra le risorse.
Fonte: Rojas, Eric, et al. “Process mining in healthcare: A literature review.” Journal of biomedical informatics 61 (2016): 224-236.

Le fonti e tipi di dati da cui estrarre i “log” dei processi in ambito sanitario sono di diversa natura e possono essere riferiti sia al paziente che alle strutture sanitarie. Ad esempio, i parametri vitali del paziente, gli eventi ad esso associati (ricoveri, ospedalizzazioni, ecc.) o, ancora, la terapia farmacologica, ci permettono di definire i processi di cura associati al singolo paziente. A queste informazioni potranno aggiungersi dati provenienti dai sistemi amministrativi, dai sistemi clinici di supporto alle decisioni, dagli ERP oppure dai dispositivi medici, che potranno essere combinati in viste diverse: da quella riferita al paziente, a quella di reparto, fino alla vista per l’intera struttura.

All’interno del contesto sanitario, gli ambiti di applicazione prediletti sono quelli che per loro natura sono particolarmente dispendiosi, ovvero l’oncologia e la chirurgia. Un recupero di efficienza sui processi condotti all’interno di questi dipartimenti si può tradurre in un considerevole risparmio di risorse – sia economiche che fisiche – per le strutture sanitarie e per tutto il sistema. L’avvio delle tecniche di process mining su unità-pilota, che permettono di ottenere risultati visibili in tempi ridotti, si auspica possa avere un riverbero positivo sulla generale armonizzazione e ottimizzazione dei processi delle strutture sanitarie sul territorio, superando l’attuale frammentazione organizzativa.

In tal senso, all’interno del comparto sanitario è possibile individuare diversi livelli di analisi sui quali le iniziative di process mining possono ritagliarsi uno spazio per il miglioramento dei processi:

  • analisi cross-aziendali, finalizzate ad indagare le differenze tra strutture in termini di performance dei principali processi clinico-sanitari e di supporto attraverso la valutazione delle deviazioni dal processo standard che determinano un output migliore/peggiore e l’identificazione delle best practice tra i diversi ospedali;
  • analisi cross-medici, finalizzate a confrontare gli output clinici di diverse coorti di pazienti rispetto ai turni lavorativi dei medici;
  • analisi cross-pazienti, finalizzate a confrontare i percorsi di cura per differenti patologie in termini di tempi di diagnosi, trattamento, ricovero, di stagionalità di esami, test clinici, ricoveri, di possibili cause di deviazioni dal percorso di cura standard e di riammissioni del paziente;
  • analisi cross-regionali, finalizzate al confronto dei Sistemi Sanitari Regionali sulla base di fonti informative quali il Programma Nazionale Esiti (PNE) o le Schede di Dimissione Ospedaliera (SDO), al fine di ottimizzare l’allocazione delle risorse rispetto all’incidenza delle patologie per area geografica e ad altri fattori di rischio.

L’utilizzo del process mining per le analisi cross-regionali e cross-aziendali permette inoltre di analizzare, e conseguentemente intraprendere azioni di mitigazione, il problema della mancanza di standardizzazione dei processi e di frammentazione nella distribuzione delle risorse.

Nei mercati più competitivi (US, Nord Europa, Australia e Far East) è in rapida crescita il numero di aziende che stanno investendo nel process mining, in diversi settori: privato, pubblico, manifatturiero e servizi. Tale diffusione è favorita dalla disponibilità degli algoritmi di process mining che ad oggi operano con notevole efficacia su basi di dati diverse ed eterogenee e sono supportati da molteplici strumenti software, sia proprietari sia open source.

A questo si aggiunga che il process mining – sviluppandosi all’interno della disciplina di gestione dell’azienda per processi – integra alle principali tecniche di modellazione, analisi, improvement, implementazione e monitoraggio dei processi anche le principali tecniche di governance dei processi, change management e business performance management. L’introduzione di tali logiche di performance management favoriscono l’orientamento al Continuous Improvement dei processi.

L’importanza e la crescita del process mining in Sanità sta guadagnando l’interesse delle comunità (scientifiche, politiche, manageriali) proprio perché permette un utilizzo accurato e proficuo delle grandi moli di dati che sempre più si stanno accumulando nelle strutture sanitarie. I dati possono così essere considerati e usati per analizzare i processi, fornire la reale conoscenza della loro execution e, infine, facilitare l’identificazione di opportunità di miglioramento.

Valuta la qualità di questo articolo

La tua opinione è importante per noi!

Partecipa alla community

guest

0 Commenti
Più recenti
Più votati
Inline Feedback
Vedi tutti i commenti

People&Change

Tutti
Produttività e AI
AI IN AZIENDA
AI E LAVORO
SCENARI
FORMAZIONE
CULTURA AZIENDALE
COMPETENZE
AI in azienda
Carriera
AI leadership
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership

Articoli correlati

0
Lascia un commento, la tua opinione conta.x